写一个Python程序，判断时序数据的异常是冲高异常、趋势上涨异常还是频率变化异常

下面是一个示例程序，它接受一个时序数据列表和阈值作为输入，并判断该时序数据是冲高异常、趋势上涨异常还是频率变化异常。

import numpy as np

def detect_anomaly(data, threshold):
    # 判断冲高异常
    if max(data) > threshold:
        return "冲高异常"
    
    # 计算数据的移动平均
    data_mean = np.mean(data)
    data_std = np.std(data)
    
    # 判断趋势上涨异常
    if (data[-1] - data_mean) > threshold * data_std:
        return "趋势上涨异常"
    
    # 判断频率变化异常
    if len(data) % 2 == 0:
        median = (data[int(len(data) / 2) - 1] + data[int(len(data) / 2)]) / 2
    else:
        median = data[int((len(data) - 1) / 2)]
    if abs(median - data_mean) > threshold * data_std:
        return "频率变化异常"
    
    # 如果都不是，则返回正常
    return "正常"

使用方法:

data = [1,2,3,4,5,6,7,8,9,10,11,12,13]
threshold = 3
detect_anomaly(data, threshold)

其中data是时序数据，threshold 是用于判断异常的阈值。如果返回"冲高异常", "趋势上涨异常", "频率变化异常"说明有异常，返回"正常"说明数据是正常的

请注意，这只是一个示例程序，不一定适用于所有情况。在实际应用中，您可能需要根据数据和场景来调整